府际博弈、草根动员与"反邻避"效应——基于国内"高铁争夺战"分析

邻避效应是民众对项目负外部性的强烈排斥,而反邻避是民众对项目正外部性的积极争取.基于府际博弈和草根动员的两个维度解释反邻避效应发现:在府际博弈中,项目的正外部性驱动着地方官员的行为动机,权力关系网络决定着博弈双方争夺项目的话语权,博弈结果的非均衡性困境从外部增加了反邻避效应的风险;在草根动员中,地方政府的默许加剧了民众相对剥夺感和不公平感,进而以联名诉求的方式催生舆论施压,"一闹就给"的回应方式推动了效尤效应,引发决策失误,内部加剧了反邻避效应的矛盾.     

沈阳市“两邻”背景下的社区情感治理的内涵研究

近年来沈阳市社区以“与邻为善,以邻为伴”的社会治理思想为指引,不断提升社区治理水平和治理能力,保证社区特色亲邻、睦邻、助邻工作实现整体推进。在此背景下本文以情感作为治理内容、治理手段和必备要素的角度阐述情感治理的内涵。情感治理在社区治理中通过柔化权力结构、增进社区认同等,建设社区情感共同体,实现社区情感的内生发展,以达成给予情感联结的社会凝聚力和活力,成为现代社区治理不可缺少的手段。     

《翼教丛编》编者问题考辨

《翼教丛编》是晚清力辟康学的名著,初刊时无人署名,序文宣称“采获、叙次,悉出同人”,声明为集体纂辑,但第一个翻刻者黄协埙径指苏舆为编者,从此广为流传;叶德辉则在民国年间屡以撰刊《翼教丛编》相标榜,成为学界新说。然而,稽核相关史料,“苏舆编刻”说不足凭信,叶德辉的矜夸自相矛盾。进一步探查《翼教丛编》的纂辑“同人”,发现王先谦、叶德辉、张祖同等五人最核心,“捍乱”领袖王先谦则是主事人,不过他有意潜隐,嫁名于门人苏舆。通过探究《翼教丛编》编者问题,可以还原戊戌湖南反变法中一些久被湮没的重要细节。     

“害”人的塑料

关于塑料,最令人感到不安的问题恐怕是长期与它们接触是否会对我们下一代的健康及生育能力产生影响.而检测结果表明,塑料中含有的类激素化学物质有可能在人类发育的关键阶段,即胎儿阶段及刚出生时造成细胞和组织变异.人们发现,怀孕的老鼠在长期接触塑料中的化学物质后,它们的胚胎发生了不正常的裂变.而最令人感到不安的是,胚胎内的染色体也发生了不正常的变化.这意味着,如果这种变化真的发生在人身上,那么不仅会使我们的下一代受到影响,而且我们孩子的孩子也不能幸免.     

从“不怕”到“我怕”:“一般人群”在邻避冲突中如何形成抗争动机

从"不怕"到"我怕",业主通过重构对邻避设施的认知而呈现出其主体性。邻避设施兴建方提出的"技术安全"、"依法行政"和"民心工程"的"不怕"叙事难以有效规训业主认知,业主由于"我怕"的认知建构而形成不同程度的抗争动机,并形成"无知者"、"隐忍者"、"从众者"和"抗争者"等四类群体,而后两者的出现使邻避冲突中业主行动升级和偏见动员成为可能。邻避冲突在中国城市中越来越频繁,在解决过程中政府应充分考虑业主主体性,开放公民参与,在认知层面建设"不怕"话语体系的配套系统—信任机制。     

网络时代邻避事件的政府治理困境与应对

邻避事件是引发网络舆情的热点议题。地方政府在邻避事件和网络舆情的背景下面临着来自多方压力和多重治理挑战。在邻避议题产生到转化为邻避者行动的过程中,公众的认知因素是形成邻避者"议题-行动"系统的关键,对邻避事件的事态发展、相应的网络舆情产生重要影响。地方政府与社会公众的互动模式对公众的认知有着重要影响。     

邻避冲突的正义性分析

正义性问题是邻避冲突研究中的基本问题.邻避冲突的行为主体主要是政府和公众,因此邻避冲突的正义性可从政府行为和公众行为两方面来分析.从政府行为方面来说,在邻避项目决策和邻避冲突处理过程中,政府只要让公众充分参与决策并进行充分的信息公开,就能实现程序正义.但是,要实现实体正义,政府必须对邻避项目的周边居民进行相应补偿,包括提供经济补偿和提供正外部性项目.从公众行为方面来说,在邻避项目决策参与和邻避冲突中,只要其目标是为了谋取正当利益而不是谋取非法利益,采取的是合法手段而不是非法手段,那么就都具有正义性.     

王国维的尼采研究与日本学界之关系

王国维是近代中国最早的尼采研究者,他对尼采哲学的兴趣和研究与日本文化界关系密切。从就读上海东文学社开始,到留学日本,再到编辑《教育世界》,王国维直接受教于日本教习藤田丰八和田冈岭云,并从他们那里得到了日本的尼采研究信息,他发表的4篇有关尼采的文章中,有2篇直接取材于日本学者桑木严翼,桑木严翼对尼采的评介和研究态度,影响到王国维在尼采研究中所体现的学术性特征。     

基于DCT和KDA的人脸特征提取新方法

提出了一种新的人脸特征提取方法,该方法采用DCT对人脸图像进行降维和去噪,并通过KDA提取人脸特征。基于该特征,采用NN分类器,对ORL人脸库进行分类识别,仅用28个特征平均识别率就达到97.3%,“留一法”识别率为99.5%。仿真结果表明:该方法有效地滤除了人脸图像中的高频干扰信息,明显增强了特征的辨别能力,同时显著地降低了特征维数和计算复杂度。